凌晨两点，有人给我发了一条消息：「老师，我明天有个字节的面试，能帮我过一下系统设计吗？」
我看了眼手机，没回。
不是不想帮——是真的没力气了。白天上班，晚上接学员，这周同样的「CAP 理论」已经讲了第六遍。每一遍都一样认真，每一遍都一样耗力气。
这不是我一个人的处境。 我们队里，酪老师专职做就业陪跑辅导，我自己做国央企技术方向的陪跑，所有人面对同一道题：知识可以复用，时间没办法。
OPC 训练营开营，我们聊起这件事，越聊越清楚：
辅导老师真正稀缺的不是知识，是时间和精力。同样的知识点，要对不同的学生讲很多遍。
那如果，能给每个老师造一个 AI 分身呢？
01. 裂缝在哪里
不是拍脑袋想出来的产品，是自己踩过才知道痛在哪里。
酪老师做运营就业陪跑，每天接到的问题里，有相当一部分是重复的：「你们公司面试几轮」「简历这样写合适吗」「这个项目经历要不要写进去」……每一个问题背后都是一个认真准备的学生，但每次都要从头解释，真的很耗。
我做国央企技术方向的辅导，同样如此。国央企的技术面和大厂不一样，考察侧重点、答题套路、甚至面试官的风格都有差异——但这些我已经讲过太多遍了，说到自己都能背下来。
老师的知识密度是够的，时间密度不够。
这中间有一道裂缝：学生在凌晨两点需要帮助，老师在凌晨两点需要睡觉。
我们决定在裂缝里做点什么。
02. 我们要做什么：老师 IP × AI 分身
想法其实很简单。
分身负责 80% 的重复工作——答常见问题、模拟基础面试、初筛简历；老师只在关键时刻出现，做那 20% 最有价值的深度指导。
AI 不是来替代老师的，是来帮老师把真正稀缺的时间用在刀刃上。
这就是面镜 MirrorHire 的起点：
老师 IP × AI 数字分身，让每位求职者拥有随身专属导师。
入驻老师 100% 来自真实陪跑场景。AI 分身基于老师的专属知识库做结构化追问，支持简历优化、模拟面试、能力评估，关键时刻一键转人工 1v1。
03. 架构决策：时间只有6小时
确认方向之后，我作为技术架构负责人，做了一个决定：做三端。
学生端、老师端、管理后台，一个都不少。
听起来很拼，但这个决定是被逼出来的——只有学生端，老师怎么配置自己的 AI 分身？没有老师端，学生看到的就是空壳。没有管理后台，平台怎么审核老师资质、处理合规问题？三端缺一不可。
但我们只有6小时。
技术选型上，选了一套「激进」的组合：
- TanStack Start + TanStack Router：文件路由 + SSR，上手有坡度，但结构极其清晰，页面即路由，没有魔法
- React 19 + Tailwind CSS v4 + shadcn 风格组件：UI 层快，写起来顺手
- Mock 数据优先：后端接口接入是下一阶段的事，先把前端交互逻辑跑通
这不是偷懒，是 Demo 阶段合理的剪枝。
评委看不到数据库建得多优雅，但能看到产品跑不跑得通。
三端一共 20+ 个页面：老师的 AI 分身配置、学生的六维评估报告、管理员的合规审核……6小时，全都上线了。
作为技术架构负责人，我干得最多的事不是写代码，而是把每个模块要做什么、边界在哪、约束是什么写得足够清楚。规格说明书写得精准，AI 工具才能在正确方向上高速推进。
举个具体的。面试 Agent 的「动态追问」，到底什么时候顺着这题往下深挖、什么时候换个维度重新问？我没写「让 AI 智能地判断」——那种话等于没说。我写的是一句能直接落地的规则：上一题答得低于 72 分，就顺着这道题继续追问；高于 72 分，就换一个还没考过的维度。
AI 工具拿到这句话，落成的就是代码里实打实的一行 FOLLOW_UP_THRESHOLD = 72，逻辑分毫不差。
一句模糊的「智能追问」，AI 能给你十种跑偏的实现；一句带阈值的规则，它一次就对。
这一周最大的体感是：在 AI 时代，你写得清不清楚，比你写得快不快，重要一百倍。
04. 2小时完成视觉重构
功能做完，盯着屏幕看了一会儿。
页面能跑，但视觉层太平了。苹果风的圆角卡片、柔和阴影，放在一个「AI 面试助手」上，显得有点……温吞。我想要一种更有力量感的东西。
于是我写了一份视觉规范，叫 Signal。
规则很简单，但每一条都很硬：
- 底色：暖纸色
#F3F0E9，不用纯白，要有质感 - 强调色：电光蓝
#2348FF，唯一的彩色，不引入第二种 - 描边：
2px粗线，墨黑#15140E，所有卡片、按钮、输入框都用它 - 圆角：0。一律直角，唯一例外是头像
- 阴影：不用柔和投影，用实心位移阴影
8px 8px 0 var(--ink) - 字体：Space Grotesk（英文/数字）+ Noto Sans SC（中文），超大标题、负字距
写完 spec，按规范把整站重构了一遍。
用时：2小时。
出来的效果有点像 Figma Playground 和 Linear Docs 的混合体——硬朗、干净、有自己的腔调。不讨好所有人，但让看到它的人记得住。
美学也是产品力。把规范写清楚，它就不是「发挥创意」，而是可执行的工程。
05. 产品核心：不是题库，是追问
面镜有几个花了很多心思的设计，值得单独说。
动态追问 ≠ 题库。
很多 AI 面试产品是题库 + 关键词打分：答完一题，给下一题，固定顺序，固定脚本。MirrorHire 的面试 Agent 会基于上一轮回答生成下一题——学生说「我们用了微服务架构」，Agent 会追问「为什么是微服务？当时考虑过单体吗？」。
不是因为这道题在题库里，而是因为这是真实面试官会问的。
六维可追溯评估。
面试结束不只给综合分数，六个维度（技术深度、沟通表达、问题拆解、项目实战、职业规划、文化适配）分别打分，每个分数可以下钻到对话片段。
不是黑盒——你能看到「因为你在第三题说了 X，所以技术深度这项被扣了 Y 分」。
AI + 真人闭环。
分身处理 80% 的问题，遇到学生情绪不稳定、问题超出边界，或触发了付费节点，系统一键转到老师本人的 1v1 排期。
AI 是老师的外骨骼，不是替代品。
06. 遗憾与下一步
老实说，6小时做出来的是 Demo，不是产品。
Mock 数据终究是 Mock 数据。老师的真实知识库怎么导入？RAG 的检索质量怎么保证不同老师之间严格隔离？AI 分身的语气、风格怎么真正贴近老师本人？这些问题，Demo 阶段都绕开了。
还有一个遗憾：老师端的上架配置流程还不够顺滑。 从「我要入驻平台」到「我的分身正式对外开放」，中间步骤太多、太重，一个不太折腾 AI 工具的老师，可能第三步就放弃了。
这些是真实的技术债，也是最值得打磨的地方。
但 Demo 的价值不是「完成」，是验证方向对不对。
写在最后
OPC 一周，学到的不只是怎么用 AI 工具快速开发。
找到一个足够真实的痛点，比找到一个足够先进的技术，难得多，也值钱得多。
我们没有去调研「市场上的陪跑老师」，因为我们自己就是陪跑老师。酪老师在做，我也在做，那道裂缝是我们亲眼看见、亲身踩过的。
AI 现在能做很多事，但它做得最好的那些场景，往往是因为背后有人想清楚了「这里有一道裂缝」。
我们找到的那道裂缝，叫做：辅导老师的时间不够用。
裂缝还在，分身正在成型。
凌晨两点的那个学生，下次消息发出去，会有人回的。